یه آمار عجیب امسال از گارتنر بیرون اومد: ۸۰ درصد از اپلیکیشنهای سازمانی که توی سهماههی اول ۲۰۲۶ منتشر شدن، حداقل یه AI agent داخلشون دارن. رقم درشتیه، نسبت به ۳۳ درصد فقط دو سال پیش. ولی یه رقم دیگه هست که کمتر جار زده میشه: از بین سازمانهایی که میگن AI agent رو «پذیرفتن» (۷۹ درصدشون)، فقط ۱۱ درصد واقعاً اون رو توی محیط production اجرا میکنن. بقیهش، یعنی همون ۶۸ درصد فاصله، پایلوته، دموئه، یا یه ابزار داخلیه که هیچکس اونقدر بهش اعتماد نداره که واقعاً بذارتش جلوی کاربر واقعی.
جالبه که این فاصله ربطی به ضعف مدلها نداره. چه مدلهای بزرگ مثل GPT چه مدلهای متنباز، مدتهاست از خط «کافیه دیگه، خوبه» رد شدن — مدلهای متنباز الان فقط پنج امتیاز کیفیت از مدلهای تجاری عقبترن، اونهم با هزینهای ۸۶ درصد کمتر. مشکل جای دیگهایه: وقتی یه agent جلوی چشم یه ممیز، یه نهاد نظارتی، یا یه مشتری واقعی اشتباه میکنه، چی میشه؟
چرا بانکها زودتر از بیمارستانها به production رسیدن
پذیرش این فناوری اصلاً یکدست نیست. رقم کلی ۳۱ درصده — یعنی سه از هر ده سازمان حداقل یه agent فعال دارن — ولی بانکها و بیمه با ۴۷ درصد خیلی جلوترن، در حالی که سلامت و بخش دولتی با ۱۸ و ۱۴ درصد عقب افتادن. این تفاوت به بودجه ربطی نداره. بانک و بیمه از قبل عادت دارن هر تصمیمی رو مستند کنن، امضا بگیرن، و بتونن ردش رو دنبال کنن؛ یه AI agent راحت توی همین فرآیند جا میشه. سلامت و دولت این زیرساخت رو ندارن، پس یه agent که «معمولاً درست میگه» بهجای کمک، تبدیل به یه ریسک میشه.
از طرفی، بخشهای اصلی قانون هوش مصنوعی اتحادیهی اروپا از دوم اوت ۲۰۲۶ لازمالاجرا شدن، با جریمهای تا ۳۵ میلیون یورو یا ۷ درصد از گردش مالی جهانی شرکت. یعنی حالا هر سازمانی، قبل از اینکه یه agent رو راه بندازه، مجبوره یه سؤال ناخوشایند از خودش بپرسه: اگه این جواب اشتباه از آب دراومد، میتونیم دقیقاً نشون بدیم چرا این رو گفته؟
راهحل، مدل باهوشتر نیست؛ مدل محدودتره
هر پروژهای که از مرحلهی پایلوت گذشته و واقعاً به production رسیده، یه ویژگی مشترک داره: کارش خیلی مشخص و محدوده، نه یه دستیار همهکاره. مثلاً یه شرکت بزرگ (جزو Fortune 500) با یه agent که فقط کارش گزارشگیری بود، زمان تحویل گزارش رو از ۱۵ روز به ۳۵ دقیقه رسوند و هزینهی هر گزارش از ۲٬۲۰۰ دلار افتاد به ۹ دلار — چون کار agent اونقدر محدود بود که بشه سر تا تهش رو ممیزی کرد. یه دستیار AI توی حوزهی سلامت هم با کمکردن ۴۲ درصدی زمان مستندسازی، نرخ پذیرش ۸۰ درصدی بین پزشکان آزمایشی گرفت — بازم چون کارش محدود و قابلپیگیری بود.
ما دقیقاً همین نگاه رو داشتیم وقتی FanMind رو طراحی کردیم، خیلی قبلتر از اینکه «AI عاملمحور» تیتر امسال بشه. FanMind از حافظه یا حدس جواب نمیده. هر جوابش روی سندهایی که خودِ سازمان آپلود کرده مستنده، با ارجاع دقیق به همون سند و شمارهی صفحهش. اگه جواب سؤال توی سندها نباشه، صادقانه میگه که نمیدونه، و اون سؤال رو یادداشت میکنه تا ادمین محتوا سند لازم رو اضافه کنه — بهجای اینکه مدل بیخیال یه جواب از خودش بسازه. دسترسیها هم دقیقاً همون سطحبندی سازمانی رو رعایت میکنه، نه اینکه هرکسی بتونه هرچی خواست بپرسه. شاید به چشم اول بهاندازهی یه agent همهکاره هیجانانگیز نباشه، ولی همینه که واقعاً میتونه وارد production بشه — چون هر جوابش یه ردپا داره که یه آدم واقعی میتونه چکش کنه.
اگه پروژهی AI شما هم همینجا گیر کرده — جایی بین «پذیرفتیمش» و «اونقدر بهش اعتماد داریم که واقعاً اجراش کنیم» — سؤال اصلی این نیست که کدوم مدل رو آپگرید کنیم. سؤال اینه: آیا این agent میتونه نشون بده چطور به این جواب رسیده؟
